

AWS如何為AI工作者賦能,aws提供了哪些云服務器AWS如何為AI工作者賦能如今,達美樂披薩可以應用機器學習下單,顧客下單后10分鐘左右,達美樂就能提供出新鮮的披薩;美國運通公司Kabbage將機器學習應用于貸款服務,并用來支持保護計劃;寶馬使用Amazon SageMaker分析和豐富超過7PB字節(jié)的數(shù)據(jù),以預測全......
如今,達美樂披薩可以應用機器學習下單,顧客下單后10分鐘左右,達美樂就能提供出新鮮的披薩;美國運通公司Kabbage將機器學習應用于貸款服務,并用來支持保護計劃;寶馬使用Amazon SageMaker分析和豐富超過7PB字節(jié)的數(shù)據(jù),以預測全球范圍內(nèi)的模型組合和個別設備的需求。
這是幾個企業(yè)使用亞馬遜云服務(AWS)機器學習服務的成功實踐。事實上,全球已經(jīng)有超過10萬客戶正在使用AWS的機器學習服務。
有研究機構指出,在數(shù)字經(jīng)濟時代,今天一小時產(chǎn)生的數(shù)據(jù),比2000年全年產(chǎn)生的數(shù)據(jù)還要多;未來三年內(nèi)產(chǎn)生的數(shù)據(jù),將比過去30年產(chǎn)生的數(shù)據(jù)還要多。而處理這些海量數(shù)據(jù),需要用數(shù)據(jù)采集、聚合工具,與機器學習模型相結(jié)合,以幫助人們分析、理解這些信息。因此,機器學習將成為這個時代的主流技術之一。如同AWS全球機器學習副總裁Swami Sivasubramanian (簡稱Swami) 在亞馬遜re:Invent大會上所言,“機器學習是我們這一代人遇到的最具顛覆性的技術之一。”
三層工具集為AI工作者賦能
德勤曾在《全球人工智能發(fā)展白皮書》中預測,到2025年,世界人工智能市場規(guī)模將超過6萬億美元。而在人工智能眾多的分支領域中,機器學習是人工智能的核心研究領域之一,89%的人工智能專利申請和40%人工智能范圍內(nèi)的相關專利均屬于機器學習的范疇。
而為了迎接數(shù)字經(jīng)濟的發(fā)展,許多國家和地區(qū)都將人工智能列為優(yōu)先發(fā)展的國家戰(zhàn)略,我國也不例外。但據(jù)我國人社部官網(wǎng)報道,目前我國人工智能人才的缺口已超過500萬,國內(nèi)的供求比例為1:10,供需比例嚴重失衡。
為了幫助解決人工智能人才的難題,為人工智能工作者賦能,AWS在本次亞馬遜re:Invent大會上推出了豐富的機器學習工具集,該工具集包括三個層面:
第一,工具集的底層,面向技術能力超強的企業(yè)客戶。這類企業(yè)通常都將人工智能和機器學習作為自己的核心競爭力。
AWS可以為他們提供強大的算力、全面的算力選擇、豐富的機器學習框架選擇。據(jù)悉,目前AWS可以支持所有主流的機器學習框架,當然,客戶也可以通過容器部署的方式,自帶機器學習框架;AWS還可以提供基于英偉達、英特爾、AMD、賽靈思等芯片廠商的最新處理器的強大算力,同時還可以通過自主設計的處理器,極大降低機器學習的算力成本。
第二,工具集的中間層,面向技術能力較強的企業(yè)客戶。這類企業(yè)通常有大量的數(shù)據(jù)可以進行機器學習模型訓練,而且擁有一定數(shù)量的精通算法的人才,不需要花費大量精力去管理基礎設施,可以專注于自己的應用和業(yè)務創(chuàng)新。
AWS的Amazon SageMaker可以為他們提供首個全托管的機器學習集成開發(fā)環(huán)境,并為這個開發(fā)環(huán)境不斷增加新功能,從數(shù)據(jù)準備、到模型訓練、參數(shù)調(diào)優(yōu)與模型迭代、到模型部署、模型質(zhì)量監(jiān)控,在整個過程中最大限度地提高他們開展機器學習的效率,降低他們開展機器學習的門檻。
第三,工具集的頂層,面向技術能力相對薄弱的企業(yè)客戶。這類企業(yè)擁有一定的數(shù)據(jù),但是沒有精通算法的人才,他們希望能在業(yè)務場景中直接引入人工智能。
AWS可以為這類企業(yè)提供開箱即用的人工智能服務,目前已經(jīng)涵蓋機器視覺、語音文字轉(zhuǎn)換、機器對話、文本處理、電商業(yè)務、客服、企業(yè)內(nèi)信息搜索、開發(fā)與運維、工業(yè)AI等方面。
通過這個全面的工具集,AWS可以覆蓋和賦能所有的人工智能工作者。
大力發(fā)展機器學習的中間力量
其中,特別值得一提的是全托管服務Amazon SageMaker,作為面向機器學習開發(fā)者的集成開發(fā)環(huán)境,它能化繁為簡,使開發(fā)人員和數(shù)據(jù)科學家從根本上更輕松、更快速地構建、訓練和部署機器學習模型。
據(jù)了解,自推出以來,Amazon SageMaker一直在快速迭代。在過去一年中,Amazon SageMaker交付了50多項新功能。在本次re:Invent大會上,AWS再次發(fā)布了9項新功能,包括數(shù)據(jù)特征提取器Data Wranger、數(shù)據(jù)特征存儲庫Feature Store、自動化工作流Pipelines、模型偏差檢測Clarify、對模型訓練進行剖析的Deep Profiling for Amazon SageMaker Debugger、大型復雜深度學習模型的分布式訓練Distributed Training、邊緣端模型質(zhì)量監(jiān)控和管理Edge Manager和快捷起步工具JumpStart。
據(jù)Swami透露,不斷豐富的新功能,讓Amazon SageMaker備受客戶歡迎。雖然只推出短短三年時間,但已擁有了數(shù)萬家客戶,如3M、ADP、阿斯利康、Avis、拜耳、Bundesliga、Capital One、Cerner、ChickfilA、Convoy、達美樂比薩、富達投資、GE醫(yī)療、GeorgiaPacific、赫斯特、iFood、iHeartMedia、摩根大通、Intuit、聯(lián)想、Lyft、國家橄欖球聯(lián)盟、Nerdwallet、TMobile、湯森路透、Vanguard等知名企業(yè)。
而為了讓機器學習更易用,更易拓展到廣泛的使用者、應用場景和行業(yè),AWS不僅打造了豐富的工具集,還推出了五項面向工業(yè)領域的開箱即用的解決方案,并將機器學習能力跟數(shù)據(jù)庫進行嫁接,讓機器學習拓展到數(shù)據(jù)開發(fā)者和數(shù)據(jù)分析師。
事實上,亞馬遜本身利用機器學習技術已經(jīng)有20多年時間了。AWS大中華區(qū)云服務產(chǎn)品管理總經(jīng)理顧凡指出,“這是AWS機器學習服務的深厚源泉。”據(jù)悉,2016年,AWS就開始在云上提供機器學習服務,并發(fā)布了三個服務。2017年,AWS開始加速,最近三年,AWS每年新增的機器學習服務和功能都超過200個。僅2020年一年,AWS就新增了250多項機器學習功能,釋放了巨大的技術能力。
Swami強調(diào),如今機器學習的技術壁壘已經(jīng)大大降低,使AI工作者們能夠在具有挑戰(zhàn)性的問題上快速應用機器學習服務,快速響應這個不斷變化的世界。尤其是在新冠疫情之下,企業(yè)可以應用機器學習來追蹤疾病,找到新的方法來治療病人,并加速疫苗的研發(fā)。“他們能夠做到這一點,是因為他們的模型建造者能夠充分利用機器學習的潛力,發(fā)明這些技術,這也是驅(qū)動我們創(chuàng)新以及我們?yōu)槭裁匆粩嗤瞥鲂鹿δ艿脑?。?/p>
文章推薦
Azure IoT Central 設備開發(fā)指南,azure iot 開發(fā)語言
GCM(Google Cloud Messaging)推快遞完全解析
Android Studio接入UnityAds(上)之如何向Android Studio內(nèi)導入.arr包,beats studio buds與airpods pro
App研發(fā)過程中不能踩的七大雷區(qū)(上),app研發(fā)的目的
特別聲明:以上文章內(nèi)容僅代表作者本人觀點,不代表ESG跨境電商觀點或立場。如有關于作品內(nèi)容、版權或其它問題請于作品發(fā)表后的30日內(nèi)與ESG跨境電商聯(lián)系。
二維碼加載中...
使用微信掃一掃登錄
使用賬號密碼登錄
平臺顧問
微信掃一掃
馬上聯(lián)系在線顧問
小程序
ESG跨境小程序
手機入駐更便捷
返回頂部